浅谈人工智能发展趋势

news2025/1/15 17:19:53

第三次浪潮  

      人类科技发展的主线正沿着“能源”和“新型”展开。AI的尽头是光伏和储能。

        如今我们正在经历第三次浪潮——信息文明。

社会生产力

劳动对象

劳动工具

劳动者

生产要素

农业文明铜器铁器

材料

人力工具

农民

土地+人力

工业文明机车电力

材料+动力

动力工具

工人

物质+能量+资本

信息文明

网络、计算机

材料+动力+信息

智能工具

IT人员

物质+能量+

技术+数据

数智经济 

        智能化是新一轮工业革命的主要特征和发展重点。从2011年德国提出的工业4.0,到2021年欧盟发布的工业5.0,数智化发展越来越强调工业与整个经济—科技—社会系统的深度融合。数智经济伴随着工具的智能化和要素的数据化。

        数字科技创新要通过商务模式的创新落地。数智经济通过商务智能,改变产业生态。相像一下,新动能——渠道改变,新业态——C2B电商,新要素——精准保险。

人工智能AI——数智经济时代的新引擎

        到目前为止,AI并没有确切的定义,世界权威的韦伯字典对“Intelligence”的定义是"Ability oflearning or understanding things, ordealing with new or difficult situations."。

人工智能的发展将经历三个阶段

>1、弱人工智能阶段(ANI)

>2、强人工智能阶段(AGI)

>3、超人工智能阶段(ASI)

对应的:

1.让机器像人一样听懂

  • 语音识别
  • 主体识别

2.让机器像人一样看见

  • 视觉识别
  • 运动识别

3.让机器像人一样思考

  • 机器学习
  • 自动推理
  • 人工意识
  • 知识表示

 GAI:生产式人工智能——AI应用的风口。

驾驶导航--面向任务的解决方案

ChatGPT--基于NLP的内容生成

智能制造-一为机器人提供操作指令

元宇宙--多模态媒体生成

智慧城市--综合性城市功能大脑

语义通信--:要义提炼与摘要

人工智能产业的四层架构

        以ChatGPT时代人工智能为例

        苹果的前CEO乔布斯曾经说过:“技术不是为工程师而生,而是为应用而生。”

        如今大模型技术如火如荼,大模型创新简单分为两种模式——通用人工智能AGI和垂直化应用。

        通用人工智能AGI,如chatGpt,训练千亿级模型,通用模型,寻找应用场景。

        垂直化应用,如某一方面,挖掘应用场景,垂直模型,打造最适合模型。人工智能的主要垂直化应用场景与技术支撑主要体现在如下图当中。

 摩尔定律一冯诺依曼架构与算力的瓶颈

        人工智能的发展离不开三要素——数据、算法和算力。具体可以参考我的另一篇博客:

从宏观上对人工智能(AI)的一些理解_忽略宏观ai控制是什么意思-CSDN博客

        而强大算力离不开硬件GPU芯片的支撑,今年,英伟达Nvidia公司的股票都涨疯了。

1、GPU内部
        显存和计算单元之间的数据传输传统GPU:GDDR内存-平面封装新方案:HBM内存-垂直封装(256GB/S,10倍+)

2、AI服务器

        4-8个其至更多GPU之间的协同计算英伟达连接方案:NVLink协议,50GB/S华为连接方案:HCCS协议,30GB/S其它PCIE5标准接口:每通道传输速度4GB/S

3、数据中心
        成百上千台AI服务器之间的数据连接英伟达方案:专用的Infiniband网络;

        其它解决方案:ROCE高速以太网网络。

4、算力网络(运营商)
        异地甚至不同城市数据中心的联网核心:调度与统筹趋势:“云边端”架构与泛在计算

参考资料:
从数字化到数智化:经济社会发展范式的新跃进----中国科学院

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1881967.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

如何在Python中实现一个简单的爬虫程序

如何在Python中实现一个简单的爬虫程序 随着互联网的发展,数据已成为当今社会最宝贵的资源之一。而爬虫程序则成为了获取互联网数据的重要工具之一。本文将介绍如何在Python中实现一个简单的爬虫程序,并提供具体的代码示例。 确定目标网站 在开始编写爬…

单片机软件架构连载(1)-枚举(enum)

今天跟大家讲一下我在产品开发时,用枚举(enum)的一些骚操作,都是实战经验,不难,但开发经验尚浅的话,不一定能把它灵活应用。 为什么要讲枚举呢? 因为我发现它是一个容易被遗忘,同时又非常重要的…

LeetCode刷题之HOT100之二叉树的最近公共祖先

2024 7/1 新的一个月来啦!也算是迎来了暑假,可惜我们没有暑假,只能待实验室,中途会有10天小假。Anyway,做题啦 1、题目描述 2、算法分析 又来到了树的部分,要找最近的公共祖先。想到树就会想到DFS和BFS。…

护眼灯哪些牌子好?几款最好的护眼灯品牌排行榜分享

在当代社会,随着工作压力和学业负担的增加,人们的用眼时间越来越长,因此保护眼睛的需求变得愈发迫切。护眼台灯作为一种护眼产品,已经逐渐普及,成为许多人的助手。然而护眼灯哪些牌子好?今天,我…

3D交互可视化编辑器求推荐,最好是针对企业级使用的?

企业级使用的3D交互可视化编辑器,支持编辑和调整2D、3D渲染及交互设置,以下几款可以关注了解一下: 1、Unity:一个广泛使用的跨平台游戏引擎,由Unity Technologies开发。支持开发者创建2D和3D游戏、交互式应用以及虚拟…

4个文章生成器免费版分享,让文章创作更轻松便捷

在当今这个信息飞速传播的时代,文章创作的重要性愈发凸显。无论是从事内容创作的专业人士,还是偶尔需要撰写文章的普通大众,都希望能更高效地完成文章创作任务。而在实际操作中,我们常常会遇到思路卡顿、没有创作灵感的问题。今天…

全网最详细的 gin框架请求数据绑定Bind 源码解析 -- 帮助你全面了解gin框架的请求数据绑定原理和方法

在gin框架中,我们可以将多种请求数据(json, form,uri,header等)直接绑定到我们定义的结构体,底层是通过反射方式获取我们定义在结构体上面的tag来实现请求数据到我们的结构体数据的绑定的。 在gin的底层有2大体系的数据…

Apple苹果可能会在今年秋天宣布与Google Gemini谷歌双子座的交易

如果你对迄今为止唯一能与苹果设备集成的人工智能模型是ChatGPT感到失望,听起来你不必等待很长时间就能改变这种情况。据彭博社(Bloomberg)的马克古尔曼(Mark Gurman)今天在他的Power On时事通讯中称,苹果将…

GuLi商城-商品服务-API-三级分类-删除-逻辑删除

注意:官方文档说logic配置可以省略,代码中直观些,配上吧 逻辑删除注解: 实体类字段上加逻辑删除注解: 启动nacos: 启动商品服务: postman测试: 数据库字段值改成了0,说明…

Decorators与类

在Python中,装饰器(decorator)是一种用于修改函数或方法行为的特殊函数。装饰器可以用于函数、方法和类。在类中使用装饰器可以增强类的方法、属性,甚至整个类的功能。以下是一些关于我对装饰器与类的详细信息和示例教程。 1、问题…

vivado VIO IP核

参考:pg159 VIO:可以模拟输入/输出功能,实时监视和修改FPGA中的信号,用于调试和验证,与ILA相比,VIO无需占用RAM资源。 VIO IP的输出对于FPGA内部逻辑是输入信号,可以在调试界面设置输入值&…

第6章 复制

文章目录 前言1.配置1.1建立复制1.2断开复制1.3 安全性1.4 只读1.5 传输延迟 2. 拓扑2.1.一主一从结构2.2.一主多从结构2.3.树状主从结构 3.原理3.1复制过程3.2数据同步3.3全量复制 前言 复制功能,实现了相同数据的多个Redis副本。复制功能是高可用Redis的基础&…

STM32第十二课:ADC检测烟雾浓度(MQ2)

文章目录 需求一、MQ-2 气体传感器特点应用电路及引脚 二、实现流程1.开时钟,分频,配IO2.配置ADC的工作模式3.配置通道4.复位,AD校准5.数值的获取 需求实现总结 需求 使用ADC将MQ2模块检测到的烟雾浓度模拟量转化为数字量。 最后&#xff0c…

[Go 微服务] Kratos 验证码业务

文章目录 1.环境准备2.验证码服务2.1 kratos 初始化验证码服务项目2.2 使用 Protobuf 定义验证码生成接口2.3 业务逻辑代码实现 1.环境准备 protoc和protoc-gen-go插件安装和kratos工具安装 protoc下载 下载二进制文件:https://github.com/protocolbuffers/protobu…

CocosCreator构建IOS教程

CocosCreator构建IOS教程 添加include: Header Search Paths:拖拽include过来 添加SoundEngine: Header Search Paths: 把SoundEngine POSIX Common 三个文件夹拖拽到里面去

IEEE TNNLS | 脑电(EEG)自监督学习

摘要 数十年的研究表明,与传统的统计技术相比,机器学习在探索脑电图(EEG)记录中嵌入的高度非线性模式方面具有优势。然而,即使是最先进的机器学习技术也需要相对较大且标记完整的EEG存储库。EEG数据的收集和标记成本高昂。此外,由…

Google ghOSt 调度器分析(4)

调度器的优缺点 *ghOSt* 调度器的优缺点优点缺点*ghost* 与 *CFS* 调度运行时间比较 ghOSt 调度器的优缺点 优点 逻辑简单,实现简单;它只是在内核中增加了两个调度类,通过对这两个调度类的操作来完成相应任务的优先级的提升等操作&#xff…

HarmonyOS(42) Divider 分割器组件 实现分割线

Divider分割线 简介使用示例参考目录 简介 该组件可以帮助我们实现 水平分割线和竖直分割线,同时支持设置分割线的宽度、颜色、和两端的样式 使用示例 横向分割线 ,默认就是横向分割 // Horizontal dividerColumn() {this.Block()Divider()this.Bloc…

如何使用ChatGPT提高数学建模竞赛的获奖概率

如何使用ChatGPT提高数学建模竞赛的获奖概率 数学建模助手GPT https://chatgpt-plus.top/g/g-OX0D7uMn9-shu-ju-jian-mo-zhu-shou-by-maynor 1. 问题分析与理解 在数学建模的初期,准确理解问题的背景和要求至关重要。通过使用ChatGPT,你可以&#xff…

【基础篇】第4章 查询与过滤

在Elasticsearch的世界里,高效地从海量数据中检索出所需信息是其核心价值所在。本章将深入解析查询与过滤的机制,从基础查询到复合查询,再到全文搜索与分析器的定制,为你揭开数据检索的神秘面纱。 4.1 基本查询 4.1.1 Match查询…